1.一种刀具车削温度变化均值的组合预测模型建立方法，其特征在于，包括以下步骤：

第一步、首先通过车削温度与车削三向振动信号采集系统，在车削试验过程中采集刀具刀尖处的温度及三向车削振动信号，进而得到各次车削走刀过程中各时刻温度相对于车削前初始温度的变化平均值及三向振动各个方向的加速度均方根值，最后建立车削温度变化均值关于车削某向振动与车削参数的含待定参数的三个单项预测模型；

第二步、使用最小二乘法原理将第一步建立的单项预测模型处理为待优化的非线性函数模型，并基于指数惯性权重粒子群算法优化求解非线性函数模型的待定参数，即可得到三个车削温度变化均值的单项预测模型；运用指数惯性权重粒子群优化算法的具体方案如下：(6.1)初始化—初始粒子群，输入实际车削参数与车削振动加速度均方根值；

(6.2)根据待优化多元回归预测模型计算粒子适应度值，得到每个粒子的个体最优解pbest；

(6.3)通过比较粒子适应度值，将所有粒子的个体最优解存储到全局最优解gbest；

(6.4)根据粒子适应度值迭代公式与惯性权重公式更新各粒子的速度和位置；

(6.5)更新个体最优解pbest与全局最优解gbest；

(6.6)判断迭代次数是否满足设定要求，当迭代次数达到设定要求时，则停止运行并输出结果，否则返回步骤(6.2)直到迭代次数满足设定要求；

指数惯性权重粒子群算法确定粒子适应度值迭代公式如下：

ω＝ωinit*e^(‑t/tmax)

其中， 表示第i个粒子在第n个维度第t+1次迭代的当前速度， 表示第i个粒子在第n个维度第t+1次迭代的当前位置，vi表示第i个粒子当前速度，xi表示第i个粒子当前位置，ω是惯性权重，ω的初始值取值为0.9，n表示粒子在第n个维度，i表示第i个粒子，t表示当前迭代次数，c1和c2分别是认知因子和社交因子，r1和r2是[0,1]之间的随机数，pbest是个体历史最优解，gbest是整个粒子种群历史最优解，ωinit表示指数惯性权重中的常数，e^表示以e为底数的指数函数，tmax表示最大迭代次数；

第三步、将第二步得到的三个车削温度变化均值的单项预测模型进行组合预测，得到关于车削温度变化均值的组合预测模型；组合预测模型建立方法如下：其中， 是组合预测模型得到的温度变化均值， 是单项预测温度变化均值，i表示车削振动的三个方向且i＝1、2、3，ai是组合预测时单项i的惯性权重，sei是单项i的预测温度变化均值对应的标准误差，m表示车削振动的3个方向且m＝3。

2.根据权利要求1所述一种刀具车削温度变化均值的组合预测模型建立方法，其特征在于，所述车削温度与车削三向振动信号采集系统包括温度采集系统和振动信号采集系统，所述温度采集系统主要由红外测温仪组成，所述红外测温仪通过数据线与计算机相连；

所述振动信号采集系统主要由三向加速度传感器组成，所述三向加速度传感器通过数据线与计算机相连。

3.根据权利要求2所述一种刀具车削温度变化均值的组合预测模型建立方法，其特征在于，所述红外测温仪为便携式红外测温仪，用于实时采集刀具与工件接触处前刀面刀尖的温度信号。

4.根据权利要求2所述一种刀具车削温度变化均值的组合预测模型建立方法，其特征在于，所述三向加速度传感器为压电式三向加速度传感器，所述压电式三向加速度传感器采集刀具前刀面刀尖处所对应的刀柄下表面处的X、Y、Z三向振动信号。

5.根据权利要求1所述一种刀具车削温度变化均值的组合预测模型建立方法，其特征在于，第一步中，基于采集的温度及振动信号获得各次车削走刀过程中三向车削振动加速度均方根值、车削温度变化均值，通过经验公式建立车削温度变化均值关于单向车削振动与车削参数的含待定参数的三个单项预测模型；车削温度变化均值关于车削某向振动与车削参数的单项预测模型如下：其中，i表示车削振动的三个方向且i＝1、2、3，v是车削速度，vf是进给速度，ap是背吃刀量， 表示对应于三向车削振动中第i向加速度均方根值， 表示由第i向车削振动加速度均方根值与车削参数拟合得到的相应的车削温度变化均值，C、x、y、z、w是需要求解的回归参数。

6.根据权利要求5所述一种刀具车削温度变化均值的组合预测模型建立方法，其特征在于，第二步中，根据最小二乘法原理的待优化多元回归预测模型目标函数 如下:其中，i表示车削振动的三个方向且i＝1、2、3，j是试验次数编号，n是车削走刀试验次数， 是第j次走刀过程中由第i向车削振动及车削参数拟合得到的单项车削温度变化均值的预测值，ΔTj是第j次走刀试验过程中车削温度变化均值的实测值，vj是第j次走刀过程中的车削速度，vfj是第j次走刀过程中的进给速度，apj是第j次走刀过程中背吃刀量，表示第j次走刀过程中对应于三向车削振动中第i向加速度均方根值，C、x、y、z、w是需要求解的回归参数。

7.根据权利要求6所述一种刀具车削温度变化均值的组合预测模型建立方法，其特征在于，第二步中，求解非线性函数模型的待定参数的具体方法如下：采用改进的指数惯性权重粒子群算法对模型，进行优化求解，得到由X、Y、Z向振动拟合得到的车削温度变化均值预测模型的回归参数、相关性系数和显著性水平，预测模型回归参数是C、x、y、z、w，相关性系数是R，显著性水平是P；

根据相关性系数R和显著性水平P的值判断预测模型预测效果的可靠性，若R≥0.8，且P＜0.05，说明预测模型预测效果是可靠准确的，否则是不可靠准确的；

当预测模型预测效果可靠准确时，将预测模型回归参数C、x、y、z、w代入第一步建立的单项预测模型中，得到三个车削温度变化均值的单项预测模型。